知無不言、言無不盡，這句話表示誠懇交心，但真的能把知道的完全說出來嗎？說的人也許覺得全說出來了，但一些不自覺的經驗仍然沒說出來，會開車的人教不會開車的人，把自己的經驗說的再齊全，甚至寫出來，仍會漏掉一些下意識的反射動作。有人說師父教徒弟總是留一手，可能冤枉師父了，因為師父的技藝，有些確實只能會意不能言傳。

   英籍凶裔科學家 Michael Polanyi (1891-1976) 說：我們知道的比能說出來的多 (We can know more than we can tell)，因為知識有顯性與隱性 (Tacit)，看見一件東西是明顯的事，但學習語言、下廚做菜、演奏樂器、使用複雜工具，都有內含的隱性知識，這些知識不但本人說不完全，也不容易、甚至不可能傳授給別人。圍棋就是最好的實例。

   知道的事卻不能完全說出來，是個矛盾的現象，科學家給取了一名字，叫 Polanyi 悖論 (Paradox)，這正是人工智慧的盲點，因為要機器有人的智慧，學習顯性的知識容易，學習隱性的知識則無從學起，所以機器不可能有人類的智慧。

   但近年人工智慧也確有進展，Michael Polanyi 當時說電腦不可能學會開車、與辨認人的臉，現在做到了。圍棋被認為是隱性知識最高的藝術，沒有贏的規則，日前 Google DeepMind 的圍棋軟體 AlphaGO 也以 4:1 擊敗人類頂級高手李世石，加深了大家人工智慧無所不能的印象。

   圍棋世紀大賽之後，各方面有不少的佳評，電腦科學家認為 AlphaGO 的能力，是因為克服了人類隱性的智慧，也就是並沒有學習人類下棋的顯性方式，而是自行學習發展出一套贏的邏輯。

   19 x 19 的棋盤，走棋的方式據說比宇宙間所有的原子還多，所以不能如象棋從有限的預設棋步搜尋下一步棋的走法。AlphaGO 的研發人員結合了兩種技術，神經網路與樹狀搜尋，用大量的走棋資料讓電腦學習哪一步棋可能贏、哪一步可能輸，從不斷學習發展出贏的策略。

   Google 分析戰局說，第二局 AlphaGO 的第 37 步棋，是贏棋的關鍵，而第四局李世石的第 78 步棋，是他贏棋關鍵，這兩步棋，對人類來說絕少這麼走的，都是萬分之一機會，李世石發揮創新奇想，讓他贏了唯一的一盤棋。

   法國人工智慧專家 Jean-Christophe Baillie 指出，AlphaGO 是一個了不起的成就，可以用來解決很多複雜的問題，但仍不算是真正的人工智慧。人工智慧有很多定義，但真正的人工智慧與現實的世界關連，所見、所聽、所做、所遇，如同一般人類自行理解內涵，否則僅是人類為專業設計的電腦程式，這也正是今天人工智慧的現狀，除了狹隘的領域，並不了解以外的世界。

   AlphaGO 效率不足，是電腦科學家另一評論，主要是需要龐大的學習資料，而關鍵就在神經網路系統，因為是模仿人腦的結構與重複運作，來累積智慧，而用人腦做為模型，是否有極限，科學家多有所質疑，所以需要另外學習的方法，或者是用少量資料就能快速學習。與人類的學習來比，人類的學習效率遠高於電腦。

   DeepMind 的創辦人、也是 AlphaGO 技術的研發人 Demis Hassabis 說，這項技術可以發展成「個人助理」，有效的學習主人的嗜好與習慣，做多方面的運用，成為商品。但科學家仍認為，人類的語言較棋盤複雜得多，很難學習，AlphaGO 的專業技術用在一般的事物，需要更多的技巧才能勝任。

   本文作者不是專家，沒有資格評論世紀圍棋大賽與 AlphaGO 技術，但仍願意把所看到的重點資料介紹給讀者，讀者可自行解讀研判。